C语言支持的文本编码,用C语言检测文本编码的方法

我们经常会想知道某些文本文件的编码，可是编码检测却并不是一件简单的事情，它需要对文本进行采样，统计分析后再进行字符集的匹配，不过值得庆幸的是有uchardet(https://code.google.com/p/uchardet/)这样的开源库可以帮忙这项艰巨的任务。

uchardet是一个开源的用于文本编码检测的C语言库，其功能模块是用C++实现的，通过一定数量的字符样本独立的分析出文本的编码，当前已经支持UTF-8/GB13080/BIG5等共30多种编码。稍感遗憾的是uchardet几乎没提供什么文档，幸好作者通过学习和研究已经掌握其基本用法，这里给出一个实例，以免大家走弯路。

#include

#include

/* 样本数量 */

#define NUMBER_OF_SAMPLES(2048)

int main(int argc, char* argv[])

{

FILE* file;

char buf[NUMBER_OF_SAMPLES];

int len;

uchardet_t ud;

/* 打开被检测文本文件，并读取一定数量的样本字符 */

file = fopen("gb18030.txt", "rt");

len = fread(buf, sizeof(char), NUMBER_OF_SAMPLES, file);

fclose(file);

/* 通过样本字符分析文本编码 */

ud = uchardet_new();

if(uchardet_handle_data(ud, buf, len) != 0)/* 如果样本字符不够，那么有可能导致分析失败 */

{

printf("分析编码失败！\n");

return -1;

}

uchardet_data_end(ud);

printf("文本的编码方式是%s。\n", uchardet_get_charset(ud));/* 获取并打印文本编码 */

uchardet_delete(ud);

return 0;

}